所以这是我的问题:
我有一张图片，该图片很大(高分辨率)，需要小一点(分辨率低得多)。
所以我做了天真的事情(杀死所有其他像素)，结果看起来很糟糕。
所以我尝试做一些更智能的事情(使用傅里叶变换进行低通滤波并在傅里叶空间中重新采样)，结果好一点但仍然很差。
所以我的问题是，是否存在一种感知动机的图像下采样算法(或实现)？
编辑: 虽然我知道许多重采样技术，但我的应用程序更关心保留感知特征，而不是生成平滑图像。
edit2:假设我对数字信号处理、卷积、小波变换等有一定程度的熟悉是安全的
最佳答案
读这个:
好吧，这是一个很好的阅读。但是了解过滤器设计会很方便。
通常，将图像从 W1 x H1 缩放到 W2 x H2 的过程，其中 W1、W2、H1、H2 是整数，就是找到新的 W3、H3，使得 W1 和 W2 是 W3 和 H1 的整数因子和 H2 是 H3 的整数因子，然后用零填充原始图像(用于分隔原始图像的像素)，使其现在的大小为 W3 x H3。由于图像中的不连续性，这会引入高频，因此您对图像应用低通滤波器，然后将过滤后的图像抽取到新尺寸 (W2 x H2)。听起来您可能已经在尝试执行此操作，但可以在时域中完成过滤，因此实际上不需要傅里叶变换。
在实践中，我刚才描述的过程是优化的(你会注意到，当对放大图像应用卷积滤波器时，大多数项将为 0，因此你可以避免算法中的大部分乘法运算，因为示例。并且由于您最终丢弃了许多过滤结果，因此您不需要计算这些结果，因此基本上，您最终会为目标图像中的每个像素进行一些乘法和加法。诀窍是计算找出要使用的系数。)
我相信 ffmpeg 项目中的 libswscale 会做类似的事情。检查一下:
http://gitorious.org/libswscale
正如其他人指出的那样，(您显然已经注意到)抽取图像会引入混叠伪像。我无法确定您的重采样实现，但该技术有一些有趣的陷阱，具体取决于您使用的窗口大小和其他实现细节。
关于algorithm - 感知图像下采样，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1780277/